靶向辐射抗性:为什么有些肿瘤如此顽固
放射疗法已经 - 并将是癌症治疗的基石,充分理体:它有效。
大多。
目前,超过一半的癌症患者接受辐射作为他们治疗的一部分。但其中20%,给予或服用,会发现他们需要不同的选择,因为它们的肿瘤是耐辐射治疗。这是一个不好的地方:没有治疗益处,他们仍然可能面临潜在的副作用,而且他们失去了宝贵的时间。
如果临床医生有一种方法可以预测和可能提高个体患者的放射敏感性,那么格鲁吉亚理工学院和埃默里大学的研究人员团队正在努力解决这一目标的最终目标。
“仍然没有很好的了解,为什么有些肿瘤对辐射不响应良好,而且许多患者的长期生存是一个重要的障碍,”约书瓦·刘易斯(Joshua Lewis)寻求辐射抵抗问题的答案梅利萨·凯姆实验室的研究生在华莱士H.Coulter生物医学工程系。
在一起,他们采取了措施开始了解潜在的新陈代谢并建立一个工具来预测特定肿瘤是否是不响应的顽固的肿瘤之一。在背靠背论文中,随着刘易斯作为铅作者,Kemp表示他们创建了一个新的管道,“在其中可以自动采取数据,将其插入我们的整个细胞建模的新陈代谢,实际上预测了各种肿瘤的方式来自各种患者的癌症类型将会回应。“
她补充说:“这是真正询问辐射抗性的第一个例子,为什么肿瘤新陈代谢表现出来的差异。”
1月份,他们发表了第一项与苏醒森林和印第安纳大学的合作者在杂志上的一项研究细胞系统。这个月的最新研究会出现在自然通信。刘易斯基于他的博士学位的研究。论文“抗腐蚀肿瘤的氧化还原代谢和治疗反应的基因组规模建模”,他为一年前辩护了。
Wake Forest Researcher Cristina Furdui Xewis开始学校不久,随着辐射抵抗问题,“要求我们在系统生物学中应用我们的专业知识,”他说。“这是一个整体分析同时考虑到许多不同的因素及其相互作用,同时考虑到各个分子或蛋白质,从而导致对放射治疗的特定反应。“
刘易斯使用了良好的蜂窝模型类型,称为“通量平衡分析”,其中“你试图模拟细胞的整个代谢 - 所有不同的化学反应。我们使用不同的生化方程来模拟它们。”然后研究人员将这些方程插入计算机。在几秒钟内,他们可以准确地分析约13,000种不同的代谢反应。
“我们提出了我们自己的方法,可以通过整合多种不同类型的常规数据来制定更准确的助焊性平衡分析模型,”刘易斯说,现在正在追求他的医学学位,举行埃米洛MD / ph.d.program。“OMIC”测量基因,蛋白质或代谢物等分子的特征,其包含生物体的细胞。
通过整合基因组学,转录组织和代谢组织数据,研究人员可以模拟氧化还原新陈代谢 - 氧化和还原反应的过程,或电子在癌细胞的损失和增益,“并使用它来准确预测某些肿瘤对辐射反应的影响疗法,“刘易斯说,从癌症基因组地图集(TCGA)中挖掘数据。
“我们寻找代谢酶或代谢目标,如果你调整它们,它可能会影响肿瘤的放射敏感性,”刘易斯说。“所以,想象一下,如果你给予患者放射治疗,并且你也可以同时给予它们,同时抑制特定酶的作用使肿瘤对辐射更敏感。”
这基本上是第一篇论文。仅通过刘易斯和KEMP - 研究人员综合机器学习与基因组级的代谢建模,“看看我们是否可以更好地预测,与患者对辐射的反应相关的生物学特征。”
刘易斯说,任何一篇论文的研究人员都在他们从TCGA使用的数据集中进行了一个主要挑战。它们具有良好的基因组学和转录组织数据,但它们的代谢组数据数据不完整。他们为电池系统开发的计算模型有助于填补空白,使代原因是代谢物预测。他们将这些模型的数据馈送到机器学习模型中以更好地识别辐射抗性的生物标志物。
“我们可以在临床上思考一个患者血液样本,从那种血液中,你能够测量不同代谢物的水平,并确定患者是否是一个好的候选人放射治疗路易斯说,或者我们是否应该继续考虑其他疗法。“
这直接谈到刘易斯在他的M.D.计划中培训。他想成为病理学家,更好地了解患者如何应对不同的疗法。
“我想帮助弥合研究与诊所之间的差距,”他说。
他是一个良好的开端,它对KEMP令人兴奋。
“Josh的计算平台将易于获取的数据变为难以获取的属性的模型表示,如代谢势态和代谢物变化,否则以涵盖许多不同患者所需的规模非常具有挑战性,”她说。
进一步探索
Lewis,J.E.,Kemp,M.L.机器学习的整合和基因组级代谢建模识别用于辐射抗性的多OMICS生物标志物。NAT CANCE12,2700(2021)。DOI.ORG/10.1038/S41467-021-22989-1
用户评论